Un miroir intelligent enrichi d’apprentissage en profondeur pour améliorer l’entraînement physique
Crédit : Lanza et al.
Ces dernières années, des ingénieurs et des informaticiens ont créé une large gamme d’outils technologiques qui peuvent améliorer les expériences d’entraînement physique, notamment des montres intelligentes, des trackers de fitness, des écouteurs ou des écouteurs résistants à la transpiration, des équipements de gym à domicile intelligents et des applications pour smartphone. De nouveaux modèles informatiques de pointe, en particulier des algorithmes d’apprentissage en profondeur, ont le potentiel d’améliorer encore ces outils, afin qu’ils puissent mieux répondre aux besoins des utilisateurs individuels.
Des chercheurs de l’Université de Brescia en Italie ont récemment développé un système de vision par ordinateur pour un miroir intelligent qui pourrait améliorer l’efficacité de l’entraînement physique à la maison et au gymnase. Ce système, présenté dans un article publié par l’International Society of Biomechanics in Sports, est basé sur un algorithme d’apprentissage en profondeur formé pour reconnaître les gestes humains dans les enregistrements vidéo.
« Notre partenaire commercial ABHorizon a inventé le concept d’un produit qui peut vous guider et vous enseigner pendant votre entraînement personnel de fitness », a déclaré Bernardo Lanza, l’un des chercheurs qui a mené l’étude, à TechXplore. « Cet appareil peut vous montrer la meilleure façon de vous entraîner en fonction de vos besoins spécifiques. Pour développer davantage cet appareil, ils nous ont demandé d’étudier la viabilité d’un système de vision intégré pour l’évaluation de l’exercice. »
Le système de vision par ordinateur à faible coût développé par Lanza et ses collègues utilise un algorithme de squelettisation (c’est-à-dire un algorithme d’apprentissage en profondeur qui peut atteindre des squelettes à partir d’images), fonctionnant sur un appareil Nvidia Jetson Nano intégré avec deux caméras fisheye. Dans le cadre de leur étude, les chercheurs ont formé ce système pour traiter et détecter les mouvements humains dans les séquences vidéo capturées par les deux caméras fisheye.
« Un système de vision, comme celui que nous avons développé, peut extraire des informations à partir d’images au moyen d’un algorithme d’IA », a déclaré Lanza. « Notre article le plus récent démontre la précision de notre système dans la mesure des mouvements des bras lors d’exercices de fitness simples, tels que les flexions des biceps. »
Dans une de leurs études précédentes, les chercheurs ont présenté une conception logicielle qui pourrait être utilisée pour créer un prototype complet du miroir de fitness intelligent envisagé par AB-Horizon. Leur objectif était de produire un appareil avec des coûts de production, des performances élevées et une faible consommation d’énergie.
Evolution de l’angle du coude lors d’un exercice de curl biceps. Sur l’axe des ordonnées, nous pouvons voir la valeur de l’angle du coude, en effectuant différentes phases de l’exercice (pliage de 180° à 0°/ debout 0°/ ouverture). Crédit : Lanza et al.
« Le principal avantage de notre système est l’absence d’objets en contact avec l’utilisateur », a expliqué Lanza. « Avec des caméras et des applications d’IA, nous comprenons et évaluons les mouvements du corps, détectons les erreurs de posture et analysons des exercices de fitness simples. Aujourd’hui, notre analyse du système est basée sur des variables corporelles simples (angle du coude, position de la main…) mais nous travaillons à améliorer l’évaluation capacité de la machine. »
Le miroir intelligent que Lanza et ses collègues aident à concevoir serait idéalement capable d’évaluer les exercices de fitness de la même manière que les entraîneurs personnels humains ou de manière encore plus complète. Par exemple, cela pourrait permettre aux utilisateurs de compter les répétitions qu’ils ont effectuées pour des exercices spécifiques, tout en détectant le mouvement fondamental (par exemple, traction, flexion, rotation, etc.) de différentes parties du corps.
Toutes les informations liées à la condition physique détectées et calculées par le miroir y sont affichées, changeant en temps réel, afin que les utilisateurs puissent en garder une trace pendant les entraînements ou les utiliser pour améliorer leurs performances d’entraînement. Lanza et ses collègues ont évalué leur système de vision par ordinateur dans une série de tests, en se concentrant particulièrement sur sa capacité à suivre et à faire des prédictions de forme physique pendant que les utilisateurs effectuaient des boucles de biceps.
« Nous avons évalué la précision du système de vision dans la compréhension des différentes phases d’un exercice », a déclaré Lanza. « Dans les analyses biomécaniques traditionnelles, la précision spécifique de nos mesures n’est pas acceptable, mais nous analysons toute une série temporelle de cinématiques corporelles. Cette approche nous permet de détecter et de comprendre les exercices de fitness et leurs particularités. »
Les chercheurs ont découvert qu’avec un logiciel bien conçu et calibré, leur système de vision à faible coût pouvait offrir des données précieuses liées à la condition physique pendant que les utilisateurs effectuaient des exercices de fitness simples. Lorsqu’il est intégré au miroir intelligent créé par AB-Horizon, le nouveau système pourrait aider de manière significative les utilisateurs qui s’entraînent sans entraîneur supervisant à la maison et au gymnase.
Jusqu’à présent, Lanza et ses collègues ont principalement évalué les performances de leur système par eux-mêmes. Cependant, ils créent actuellement un prototype qui afficherait les résultats des analyses de leur système sur un écran miroir intelligent intégré à une machine de gymnastique motorisée.
« Pour ce projet, nous avons collaboré avec AB-Horizon, notre partenaire commercial », a ajouté Lanza. « En plus de concevoir les machines de la salle de sport, notre partenaire intégrera le système de vision à son prototype. Leur expérience dans l’industrie du fitness nous permet de développer notre logiciel en utilisant des principes athlétiques et un entraîneur personnel de l’entreprise nous guide également tout au long du processus de test. Dans le cadre des développements futurs, un évaluateur intelligent détectera l’exercice. »
L’évaluateur intelligent sur lequel Lanza et ses collègues travaillent devrait être capable d’interpréter des informations qualitatives en analysant les données cinématiques brutes du corps. Pour entraîner ce modèle, les chercheurs collecteront donc d’abord de grandes quantités de données lors de tests de condition physique avec des athlètes et des entraîneurs moins expérimentés.
